大面积地形复杂区域无人机序列影像快速无缝拼接方法技术

一种大面积地形复杂区域无人机序列影像快速无缝拼接方法，首先以无人机影像序列的航带排布特性作为先验知识，进行影像间多度重叠SIFT特征点的提取和匹配；然后开展基于随机采样一致性算法的匹配点粗差剔除和提纯，并通过Levenberg-Marquardt算法平差求解拼接区域各影像的变换参数；接着根据中心投影的像点位移规律与影像间的相对位置关系进行重叠区影像的优选，并确定拼接线；最后进行接边处影像匀色和融合、输出拼接影像，实现海量无人机影像的无缝拼接。本发明专利技术避提高了SIFT特征点的提取效率，保证了拼接影像的几何精度，消除了影像拼接线两侧的微小色彩差异，得到了色彩过渡自然、地物地貌连续性好的拼接影像。

【技术实现步骤摘要】
【专利摘要】一种，首先以无人机影像序列的航带排布特性作为先验知识，进行影像间多度重叠SIFT特征点的提取和匹配；然后开展基于随机采样一致性算法的匹配点粗差剔除和提纯，并通过Levenberg-Marquardt算法平差求解拼接区域各影像的变换参数；接着根据中心投影的像点位移规律与影像间的相对位置关系进行重叠区影像的优选，并确定拼接线；最后进行接边处影像匀色和融合、输出拼接影像，实现海量无人机影像的无缝拼接。本专利技术避提高了SIFT特征点的提取效率，保证了拼接影像的几何精度，消除了影像拼接线两侧的微小色彩差异，得到了色彩过渡自然、地物地貌连续性好的拼接影像。【专利说明】
本专利技术涉及一种无人机遥感影像处理方法，具体地说是一种大面积地形复杂区域 无人机序列影像快速无缝拼接方法，属于图像处理
。
技术介绍
无人机遥感是近年来兴起的一种新型遥感系统，因具有快速、灵活、低成本、高影 像分辨率等特点，正日益成为一项空间数据获取的重要手段，在农作物监测、国土资源监 测、灾害应急、灾害评估、战场侦察、火灾监测等领域发挥重要的作用。由于无人机遥感具有 广阔的应用前景，相应的图像处理技术也得到了广泛的关注和重视，大范围地形复杂区域 (山区、丘陵）无人机序列影像拼接就是其中的一个研究热点。 现有的影像拼接主要包括影像配准和影像融合两个关键环节。在国内外影像拼接 技术研究中，主要的重点都放在了影像配准这一核心环节上。根据影像配准的方法大致可 将影像拼接技术分为三类：①基于影像灰度的方法，该类方法通过计算图像间重叠部分灰 度差等相似度衡量指标，来对模型参数做优化，因为计算出的参数对于光照条件，旋转角度 等比较敏感，所以对于无人机影像并不适合。②基于变换域的方法，该类方法利用傅立叶变 换首先将影像由空域变换到频域，然后通过它们的相互功率直接计算得出两幅影像间的平 移矢量，进而实现影像的配准，但是，因为算法要求欲配准影像间有较大的重叠度，且对于 无人机影像中存在的镜头旋转和比例尺不一致等情况很难处理，所以无法满足无人机影像 拼接要求。③基于图像特征的方法，该类方法主要由特征提取、特征匹配、选取变换模型和 求取参数、坐标变换及插值四个部分组成，是航空影像拼接的主要方法，其关键在于特征因 子的选取。为此，研究人员提出了基于SUSAN算子的配准方法，该算法分成粗细两级匹配， 但是对于小区域重叠的航空影像难以配准。同时，研究人员也提出了基于层次法的配准方 法，但只适用于图像间存在小角度旋转（大约0-5度）的情况，而由于无人机平台的不稳定 导致无人机影像可能存在大角度旋转的情况。研究人员采用Harris提取角点，利用最小中 值法去除局外点，实现图像拼接，但是由于最小中值法计算复杂度较高且不能处理小区域 重置的影像，所提取的特征点为像素级的，定位精度有待提1?。还有研究人员利用SIFT算 子实现了无人机影像的自动拼接，但因为采用的是依次向后传递拼接参数的方式，在进行 多张影像拼接时存在误差累积的问题，无法实现大区域的无缝拼接。
技术实现思路
针对现有技术的不足，本专利技术提供了一种大面积地形复杂区域无人机序列影像快 速无缝拼接方法，克服了现有无人机影像拼接技术的不足，不仅能够实现无人机影像大区 域的无缝拼接，而且定位精度高。 本专利技术解决其技术问题采取的技术方案是：大面积地形复杂区域无人机序列影像 快速无缝拼接方法，其特征是，包括以下步骤： 步骤一，以无人机影像序列的航带排布特性作为先验知识，进行影像间多度重叠 SIFT (Scale Invariant Feature Transform,尺度不变特征变换）特征点的提取以及SIFT 特征匹配； 步骤二，选择投影变换模型作为影像间的几何变换模型，开展基于RANSAC(RANdom SAmple Consensus，随机采样一致性）算法的匹配点粗差剔除和提纯，基于投影变换模型建 立匹配点的非线性方程组，并通过Levenberg-Marquardt (LM)算法平差求解拼接区域各影 像的变换参数； 步骤三，根据中心投影的像点位移规律与影像间的相对位置关系进行重叠区影像 的优选，并确定拼接线； 步骤四，进行接边处影像匀色和融合，并输出无缝拼接影像，从而实现海量无人机 影像的无缝拼接。 优选地，在步骤一中，从以下几个方面对同名点的匹配策略进行优化： (1)在SIFT特征点极值探测时，当差分影像中的极值点大于10时，才提取该点作 为特征点； (2)在进行匹配时利用金子塔匹配策略，当上层金字塔匹配完成后，利用匹配点 求解影像间的投影矩阵，然后在下一层影像匹配时利用这种投影变换关系进行匹配点搜索 范围约束； (3)对于处在匹配搜索范围内的点集，采用128维特征向量间的欧式距离作为衡 量关键点之间相似度的准则，在匹配过程中首先找出与待匹配关键点欧式距离最近的两个 关键点，然后计算最近距离与次近距离之间的比值，当该比值小于〇. 3时，则接受该匹配点 对； (4)每张影像只与其航带内部左右相邻的几张影像和上下航带间一定范围内的影 像进行匹配。 优选地，所述步骤二包括以下具体步骤： (1)选择投影变换模型作为影像间的几何变换模型 当完成图像间的同名特征点匹配之后，需要选择合适的几何变换模型，并通过这 些同名特征点集的映射关系来估算影像间的变换参数。在众多的变换模型中，投影变换是 一种复杂的几何变换模型，又称为透视变换，它可以描述图像间存在平移、旋转、水平和垂 直方向位移、缩放等多种变换情况。其他常见的二维变换，包括平移变换、旋转变变换、刚体 变换、相似变换、仿射变换等均为投影变换的子变换。因为投影变换模型与无人机影像的中 心投影构象模型最为接近，所以本申请将其作为影像拼接参数的模型基准。 假定（Xl，yi)、（X2，y 2)分别为图像变换前后的像素坐标，则投影变换矩阵模型的齐 次坐标变换式如式1所示： 【权利要求】1. ，其特征是，包括以下步 骤： 步骤一，以无人机影像序列的航带排布特性作为先验知识，进行影像间多度重叠 SIFT 特征点的提取以及SIFT特征匹配； 步骤二，选择投影变换模型作为影像间的几何变换模型，开展基于RANSAC算法 的匹配点粗差剔除和提纯，基于投影变换模型建立匹配点的非线性方程组，并通过 Levenberg-Marquardt算法平差求解拼接区域各影像的变换参数； 步骤三，根据中心投影的像点位移规律与影像间的相对位置关系进行重叠区影像的优 选，并确定拼接线； 步骤四，进行接边处影像匀色和融合，并输出无缝拼接影像。2. 根据权利要求1所述的，其 特征是，在步骤一中，从以下几个方面对同名点的匹配策略进行优化： (1) 在SIFT特征点极值探测时，当差分影像中的极值点大于10时，才提取该点作为特 征点； (2) 在进行匹配时利用金子塔匹配策略，当上层金字塔匹配完成后，利用匹配点求解 影像间的投影矩阵，然后在下一层影像匹配时利用这种投影变换关系进行匹配点搜索范围 约束； (3) 对于处在匹配搜索范围内的点集，采用128维特征向量间的欧式距离作为衡量关 键点之间相似度的准则本文档来自技高网...

【技术保护点】
大面积地形复杂区域无人机序列影像快速无缝拼接方法，其特征是，包括以下步骤：步骤一，以无人机影像序列的航带排布特性作为先验知识，进行影像间多度重叠SIFT特征点的提取以及SIFT特征匹配；步骤二，选择投影变换模型作为影像间的几何变换模型，开展基于RANSAC算法的匹配点粗差剔除和提纯，基于投影变换模型建立匹配点的非线性方程组，并通过Levenberg‑Marquardt算法平差求解拼接区域各影像的变换参数；步骤三，根据中心投影的像点位移规律与影像间的相对位置关系进行重叠区影像的优选，并确定拼接线；步骤四，进行接边处影像匀色和融合，并输出无缝拼接影像。

【技术特征摘要】

【专利技术属性】
技术研发人员：董梅，苏建东，刘广玉，杨举田，林祥国，孙晓峰，程云吉，王梅勋，张彦东，宗浩，田雷，刘勇，徐硕，武博，谭效磊，朱先志，刘莉，王苜华，王丽丽，
申请(专利权)人：山东临沂烟草有限公司，
类型：发明
国别省市：山东;37